迈克尔·考克斯和戴维·埃尔斯沃斯在1997年发表的“数据可视化应用控制需求调查”一文中提出了大数据这一术语。然而，大数据的应用直到最近才变得真正可行。
这个问题与存储容量无关。云计算的进步地指数级增加了人们存储数据的能力。然而，在存储数据后，访问数据是另一个问题。大多数数据提取工具可以从存储数TB数据的数据阵列中获取。据数据科学中心称，它将一些应用的数据可访问性提高了109%。
许多数据已经以非结构化格式存储，这可能难以提取，开发Hadoop来使流程更容易。
一些SAP Hana解决方案允许用户存储高达4.6TB的数据。然而，数据通常以不同的文件类型存储，这些文件类型很难以一致的格式提取和组织。Hadoop使得这个过程更加简单容易。
SAP Hana如何与Hadoop集成
将SAP Hana与Hadoop集成可以使访问远程数据集群变得更加容易。但是，设置是一个耗时的过程。第一步是设置和安装集群。框架可以通过几种方式构建：
- 内部部署群集本地集群模型是处理需要少于50个节点的特定位置的项目的理想选择。
- 基于云计算的群集。如果用户需要在大型地理位置进行协调，或者需要超过50个节点，那么基于云计算的群集就会更好。
确定正确的群集后，用户将需要创建一个测试环境。Cloudera Director是其中一个更好的模型。
执行几个测试模拟后，用户可以使用Hadoop来访问SAPHana智能数据。
使用Hadoop与SAP Hana有什么好处?
SAP Hana管理员使用Hadoop有很多原因。许多人选择在HANA上使用SAPUI5，因为它具有特殊的Hadoop基础设施。
成本效益
据戴尔EMC公司介绍，成本效益是整合Hadoop和SAP Hana的主要原因之一。其成本节省取决于存储的数据量，而不管数据是否是结构化的，非结构化，还是半结构化的。
“VMAX所有闪存阵列通常由各种存储组，SAP ANA生产和非生产数据库以及非SAP Hana工作负载组成，每个都具有自己的存储弦CR。因此，整个系统CR是各种底层存储组比率的组合。通过工作负载的正常组合，您可以看到大约2：1的系统CR。该比例可能会更高或更低，具体取决于工作负载组合。当内联压缩与其他VMAXAllFlash节省空间的功能(如虚拟配置，零空间回收和节省空间的快照)相结合时，可实现4：1的总体效率。
快速响应时间
响应时间，可扩展性和可靠性之间存在权衡。Hadoop优先考虑快速响应时间，因此它是管理员需要紧急访问数据的应用程序的理想选择。对于可扩展性更为关注的应用程序，Hadoop可能不太可取。
用户将需要首先概述其优先级。然而，由于大多数SAP Hana用户的优先权是大多数权宜之计，因此Hadoop通常是他们的解决方案。
批处理和挖掘原始数据
使用更原始的大数据提取工具难以获取原始数据。Hadoop使它更容易，这是SAP ana应用程序中广泛使用的主要原因之一。
实体Hadoop框架是SAP ana应用程序的关键
当用户设置SAP Hana数据环境时，几乎总是需要将其与Hadoop进行集成。否则访问非结构化数据将是非常困难的。
